Pandas实现链式条件计数：统计表单连续填写列数

嘿，这个需求我刚好处理过，你的掩码思路完全正确，而且用Pandas内置的方法就能高效实现，咱们一步步来拆解：

核心思路 #

要统计所有前置列均已填写的连续已填写列数，本质是要找到从第一列开始，连续的、没有空值的列段——只要某一列出现空值，那它及之后的列都不再符合条件。用累积逻辑与（cummin）就能完美实现这个判断：一旦遇到空值（对应布尔掩码的False），后续所有位置都会被标记为False，正好对应“前置列存在未填写”的情况。

具体实现步骤 #

假设你的DataFrame中空值用NaN表示（如果是空字符串等其他空值形式，只需调整掩码生成逻辑即可）：

1. 生成填写状态掩码 #

先把每个单元格转换成“是否已填写”的布尔值：非空为True，空值为False

mask = df.notna()

2. 计算累积有效掩码 #

沿着行方向做累积最小值（对布尔值来说，cummin等价于累积逻辑与），这样只要前面有一列未填写（False），后续所有列都会被标记为False：

cumulative_valid = mask.cummin(axis=1)

3. 统计每行的连续有效列数 #

对每行的cumulative_valid求和，得到的就是满足条件的连续已填写列数量：

result = cumulative_valid.sum(axis=1)

完整示例 #

我们用一个模拟数据来验证：

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    '姓名': ['张三', '李四', np.nan, '王五'],
    '年龄': [25, np.nan, 30, 28],
    '手机号': ['138xxxx1234', '139xxxx5678', '137xxxx9012', '136xxxx3456'],
    '邮箱': ['zhangsan@xxx.com', 'lisi@xxx.com', 'wangwu@xxx.com', np.nan]
}
df = pd.DataFrame(data)

# 执行统计
mask = df.notna()
cumulative_valid = mask.cummin(axis=1)
result = cumulative_valid.sum(axis=1)

# 查看结果
print(result)

输出结果：

0    4
1    1
2    0
3    3
dtype: int64

结果解释：

• 张三所有列都已填写，统计为4
• 李四只有第一列（姓名）已填写，第二列（年龄）为空，后续列都不满足条件，统计为1
• 第三行第一列（姓名）为空，直接统计为0
• 王五前3列都已填写，第四列（邮箱）为空，统计为3

适配其他空值类型 #

如果你的空值是其他形式（比如空字符串''、None），只需调整掩码生成逻辑：

# 处理空字符串
mask = df.applymap(lambda x: x != '')
# 同时处理None和空字符串
mask = df.applymap(lambda x: x is not None and x.strip() != '')

为什么这个方法最优？ #

• 完全利用Pandas的向量化操作，避免了循环，处理大DataFrame时效率极高
• 逻辑清晰，cummin的行为正好匹配需求，代码简洁易维护

内容的提问来源于stack exchange，提问作者GappedState